Всем привет!
Вы заметили, что в последние месяцы канал мало активен. Как и я. На это есть причины.
- у меня депрессия, и возвращение себе контроля над собой идет медленно и сложно
- я выпускаюсь из магистратуры и меня тревожит профессиональное распутье (и распутство)
- я сказала об академической библиографии, кажется, все, что могла и хотела. А повторяться я не хочу.
И вот, что это значит для канала какой-то библиотеки и вас, мои подписчики.
Тематика канала меняется. Расширяется. Я — аналитик-исследователь и плотно связала свою жизнь с консалтингом. И канал будет об этом.
какая-то библиотека аналитика-исследователя — это канал про
- методы исследований в консалтинге и (реже) в академии
- анализ данных в широком смысле
- поиск статистики, например, о том, сколько банок для пива произвели в России
- поиск информации где угодно и о чем угодно (а не только для академических целей)
- визуализации и отчеты
- личные переживания и внутренние споры вокруг профессии аналитика-исследователя.
Может ли это быть интересно и студентам? Да. Но не всем.
Спасибо, что были рядом и вместе. 💜
Вы заметили, что в последние месяцы канал мало активен. Как и я. На это есть причины.
- у меня депрессия, и возвращение себе контроля над собой идет медленно и сложно
- я выпускаюсь из магистратуры и меня тревожит профессиональное распутье (и распутство)
- я сказала об академической библиографии, кажется, все, что могла и хотела. А повторяться я не хочу.
И вот, что это значит для канала какой-то библиотеки и вас, мои подписчики.
Тематика канала меняется. Расширяется. Я — аналитик-исследователь и плотно связала свою жизнь с консалтингом. И канал будет об этом.
какая-то библиотека аналитика-исследователя — это канал про
- методы исследований в консалтинге и (реже) в академии
- анализ данных в широком смысле
- поиск статистики, например, о том, сколько банок для пива произвели в России
- поиск информации где угодно и о чем угодно (а не только для академических целей)
- визуализации и отчеты
- личные переживания и внутренние споры вокруг профессии аналитика-исследователя.
Может ли это быть интересно и студентам? Да. Но не всем.
Спасибо, что были рядом и вместе. 💜
❤95🦄12👍10👾10
👾Ко мне обратилась одна из подписчиц с просьбой помочь ей в поиске респондентов для дипломного интервью. Ее тема - использование ChatGPT в творческой деятельности.
Она ищет респондентов:
▫️ Литератора, писателя или иного творческого человека, который использует нейросети, такие как ChatGPT, для создания художественных текстов. Желательно провести с ним интервью продолжительностью 20-30 минут.
▫️Человека, который просто общается с ChatGPT ради общения, для получения дополнительной перспективы.
Сферы исследования не ограничиваются искусством, но также включают науку, образование, религию, технику, предпринимательство и даже мошенничество 👀.
Если среди наших подписчиков есть те, кто подходит под описанные критерии и готов дать интервью, напишите Татьяне https://www.tgoop.com/chis_tat
Она ищет респондентов:
▫️ Литератора, писателя или иного творческого человека, который использует нейросети, такие как ChatGPT, для создания художественных текстов. Желательно провести с ним интервью продолжительностью 20-30 минут.
▫️Человека, который просто общается с ChatGPT ради общения, для получения дополнительной перспективы.
Сферы исследования не ограничиваются искусством, но также включают науку, образование, религию, технику, предпринимательство и даже мошенничество 👀.
Если среди наших подписчиков есть те, кто подходит под описанные критерии и готов дать интервью, напишите Татьяне https://www.tgoop.com/chis_tat
👍8
Учусь программировать с помощью ChatGPT: реплика про промты
Программирование на Python - задача, к которой я возвращалась неоднократно, стремясь повысить эффективность анализа данных и визуализацию. Однако каждый раз мое увлечение затухало. Но последний поворот в моей жизни — встреча с ChatGPT. Наткнувшись на интенсив о программировании с его помощью, я осознала, что это может быть ключ к преодолению моих трудностей. Возможность обучаться, опираясь на искусственный интеллект, открыла новые перспективы.
Теперь, благодаря использованию ChatGPT, я могу решать аналитические задачи быстрее, эффективнее и точнее. Но возникает новый вопрос: как я могу четко объяснить ChatGPT, какой именно код мне нужен?
Мои попытки отправить запросы на получение кода часто приводили к неразберихе. Поэтому я пришла к выводу, что наиболее эффективный подход — это пошаговое объяснение отдельных задач и последовательная разработка кода. Для примера, я оставлю ссылку на статью декомпозиции задач, чтобы продемонстрировать, как это выглядит в теории.
На практике же я обнаружила, что если мне сложно начать декомпозицию для написания точного промпта, я могу переложить эту ответственность на ChatGPT. Например, я могу попросить ChatGPT создать код для кластеризации текста и предложить несколько вариантов структуры такого кода.
Такой подход дал мне возможность не только улучшить процесс обучения Python, но и эффективнее использовать ChatGPT в своей работе. В конечном итоге, это оказалось отличной стратегией для достижения моих целей.
#промты_для_исследований
Программирование на Python - задача, к которой я возвращалась неоднократно, стремясь повысить эффективность анализа данных и визуализацию. Однако каждый раз мое увлечение затухало. Но последний поворот в моей жизни — встреча с ChatGPT. Наткнувшись на интенсив о программировании с его помощью, я осознала, что это может быть ключ к преодолению моих трудностей. Возможность обучаться, опираясь на искусственный интеллект, открыла новые перспективы.
Теперь, благодаря использованию ChatGPT, я могу решать аналитические задачи быстрее, эффективнее и точнее. Но возникает новый вопрос: как я могу четко объяснить ChatGPT, какой именно код мне нужен?
Мои попытки отправить запросы на получение кода часто приводили к неразберихе. Поэтому я пришла к выводу, что наиболее эффективный подход — это пошаговое объяснение отдельных задач и последовательная разработка кода. Для примера, я оставлю ссылку на статью декомпозиции задач, чтобы продемонстрировать, как это выглядит в теории.
На практике же я обнаружила, что если мне сложно начать декомпозицию для написания точного промпта, я могу переложить эту ответственность на ChatGPT. Например, я могу попросить ChatGPT создать код для кластеризации текста и предложить несколько вариантов структуры такого кода.
Такой подход дал мне возможность не только улучшить процесс обучения Python, но и эффективнее использовать ChatGPT в своей работе. В конечном итоге, это оказалось отличной стратегией для достижения моих целей.
#промты_для_исследований
Журнал «Код» программирование без снобизма
Декомпозиция задач: что это и зачем нужно — Журнал «Код»
Чем крупнее задача, тем сложнее обойтись без декомпозиции. Рассказываем, как и зачем декомпозировать задачи.
❤14👾7👍4💅2
very very рекомендую обстоятельный курс по теории и практике трендвотчинга
https://rsv.ru/education/course/1/2965/?search=%D1%82%D1%80%D0%B5%D0%BD%D0%B4
https://rsv.ru/education/course/1/2965/?search=%D1%82%D1%80%D0%B5%D0%BD%D0%B4
rsv.ru
Онлайн-курс: Трендвотчинг: работа с трендами
Пройдите бесплатный онлайн-курс: Трендвотчинг: работа с трендами. Дистанционное обучение. Опытные преподаватели. Реальные кейсы.
❤12🦄3
Сегодня расскажу о моих опытах в Prompt Engineering для написания обзоров. На примере обзора статей о социотехнических воображаемых.
В академических сервисах, которые я пробовала, часто встречается проблема с качеством цитат и негибкостью интерфейса. Например, в некоторых сервисах (Elicit) можно указать, какие данные выводить из таблиц, но никак нельзя повлиять на точность цитат и язык, на котором они будут. SciSpace, например, начинает глючить при попытке автоматического перевода страницы с английского на русский.
Мне важно понимать, на основе каких инструкций были написаны данные, поэтому я стала использовать Google AI Studio с языковой моделью Gemini. Это бесплатный инструмент с множеством возможностей, включая подачу на вход около миллиона токенов, что позволяет загружать промты и несколько PDF-файлов.
Теперь о моем опыте автоматизации создания литературного обзора. Прямолинейный подход - просто закинуть PDF-файлы в модель и ждать готовый обзор - не работает. Вместо этого я сначала извлекаю нужные данные из PDF-файлов. Я написала промт, который анализирует PDF и выводит данные в таблицу с определенной структурой, указывая, что должно быть в каждом столбце и на каком языке.
Gemini справляется с этой задачей через интерфейс Google AI Studio. Получившаяся таблица удобна для навигации и помогает сравнивать тексты между собой. В дальнейшем я хочу составить такие таблицы с более точными цитатами. Плюс Gemini в том, что можно настраивать температуру модели, контролируя тем самым точность данных.
Моя гипотеза заключается в том, что такой подход позволит добиться более высокого качества итогового обзора. Об этом расскажу на следующей неделе, когда закончу работу.
Хочу ответить скептикам: такая работа с текстом не заменяет чтение самих статей, но помогает структурировать прочитанное и писать собственные тексты на основе этой структуры.
Промт.
Итог (таблица).
#промты_для_исследований
В академических сервисах, которые я пробовала, часто встречается проблема с качеством цитат и негибкостью интерфейса. Например, в некоторых сервисах (Elicit) можно указать, какие данные выводить из таблиц, но никак нельзя повлиять на точность цитат и язык, на котором они будут. SciSpace, например, начинает глючить при попытке автоматического перевода страницы с английского на русский.
Мне важно понимать, на основе каких инструкций были написаны данные, поэтому я стала использовать Google AI Studio с языковой моделью Gemini. Это бесплатный инструмент с множеством возможностей, включая подачу на вход около миллиона токенов, что позволяет загружать промты и несколько PDF-файлов.
Теперь о моем опыте автоматизации создания литературного обзора. Прямолинейный подход - просто закинуть PDF-файлы в модель и ждать готовый обзор - не работает. Вместо этого я сначала извлекаю нужные данные из PDF-файлов. Я написала промт, который анализирует PDF и выводит данные в таблицу с определенной структурой, указывая, что должно быть в каждом столбце и на каком языке.
Gemini справляется с этой задачей через интерфейс Google AI Studio. Получившаяся таблица удобна для навигации и помогает сравнивать тексты между собой. В дальнейшем я хочу составить такие таблицы с более точными цитатами. Плюс Gemini в том, что можно настраивать температуру модели, контролируя тем самым точность данных.
Моя гипотеза заключается в том, что такой подход позволит добиться более высокого качества итогового обзора. Об этом расскажу на следующей неделе, когда закончу работу.
Хочу ответить скептикам: такая работа с текстом не заменяет чтение самих статей, но помогает структурировать прочитанное и писать собственные тексты на основе этой структуры.
Промт.
Итог (таблица).
#промты_для_исследований
Google Docs
промт_таблица_sti
You are a sociologist researching the sociotechnical imaginary. Create a table for me in which each cell represents a citation from a scholarly article. I will send these scholarly articles. Each column of the table should contain the following information…
👍19❤5👾3🐳1
отдельный мой лайк Gemini за возможность голосового ввода. я в последнее время очень ленюсь печатать, поэтому записываю голос и расшифровываю.
#Gemini_Google
#Gemini_Google
❤8👍3
Промты для учебы, исследований и работы: текст для презентаций
Я обожаю создавать презентации: подбирать фон, рисовать графики. Это меня успокаивает и увлекает. Но вот писать тексты к ним – совсем другое дело. Не люблю я это, потому что получаются либо слишком длинные и нудные, либо полные ошибок и опечаток. Описать суть работы могу, но текст будет ужасным.
Поэтому я с радостью доверяю написание, оформление, пересказ, перефразирование и редактирование текстов искусственному интеллекту. Я работаю над содержанием, а ChatGPT или Gemini превращают его в удобочитаемый и понятный текст.
Задача:
Я написала магистерскую диссертацию в ИТМО по теме климатической политики. Теперь мне нужно сделать презентацию.
Требования:
Четкая и структурированная информация.
Отражение основных моментов диссертации.
Лаконичность (с чем у меня, к сожалению, проблемы).
Решение:
Я составила подробный промпт для Gemini, чтобы он на основе 90 страниц диплома сделал презентацию и речь.
Результат:
В итоге я получила текст для презентации и речь. Вот ссылка на промт и результат.
#Gemini_Google #промты_для_исследований
Я обожаю создавать презентации: подбирать фон, рисовать графики. Это меня успокаивает и увлекает. Но вот писать тексты к ним – совсем другое дело. Не люблю я это, потому что получаются либо слишком длинные и нудные, либо полные ошибок и опечаток. Описать суть работы могу, но текст будет ужасным.
Поэтому я с радостью доверяю написание, оформление, пересказ, перефразирование и редактирование текстов искусственному интеллекту. Я работаю над содержанием, а ChatGPT или Gemini превращают его в удобочитаемый и понятный текст.
Задача:
Я написала магистерскую диссертацию в ИТМО по теме климатической политики. Теперь мне нужно сделать презентацию.
Требования:
Четкая и структурированная информация.
Отражение основных моментов диссертации.
Лаконичность (с чем у меня, к сожалению, проблемы).
Решение:
Я составила подробный промпт для Gemini, чтобы он на основе 90 страниц диплома сделал презентацию и речь.
Результат:
В итоге я получила текст для презентации и речь. Вот ссылка на промт и результат.
#Gemini_Google #промты_для_исследований
Google Docs
Текст для слайдов:
Промт для Gemini: Роль: Ты - эксперт по презентациям. Задача: Подготовить текст для 7-минутной презентации, основанной на диссертации. Контекст: Презентация должна подчеркивать экономическую составляющую исследования. Укажи, какую пользу для экономики России…
👍23❤4🤔1
Люблю делать методички. Буду пополнять и расширять методичку "Советы по ИИ-промтам для социологов".
Общая по промтам: https://docs.google.com/document/d/1beqDsX649w3UXG5B-XB3EA1DsfwFKz8hCv4vpDLCuIs/edit?usp=sharing
Сборник промтов для социологов, рисерчеров: https://docs.google.com/document/d/1Nr81qRq8WqIobgdYJ8IEIZKMZswE0ZMZBNI5ZPnQgng/edit?usp=sharing
#промты_для_исследований
Общая по промтам: https://docs.google.com/document/d/1beqDsX649w3UXG5B-XB3EA1DsfwFKz8hCv4vpDLCuIs/edit?usp=sharing
Сборник промтов для социологов, рисерчеров: https://docs.google.com/document/d/1Nr81qRq8WqIobgdYJ8IEIZKMZswE0ZMZBNI5ZPnQgng/edit?usp=sharing
#промты_для_исследований
Google Docs
советы по промтам для социологов
Промты для социологов (аналитиков, рисерчеров) Автор: Елена Каганова, какая-то библиотека ytb: https://www.youtube.com/@selfmadeLibrary/videos inst: https://instagram.com/bestoloch.innovation?igshid=MzMyNGUyNmU2YQ== поддержать выпуск методички: https:/…
❤27👍8🦄4✍1
какая-то библиотека pinned «Люблю делать методички. Буду пополнять и расширять методичку "Советы по ИИ-промтам для социологов". Общая по промтам: https://docs.google.com/document/d/1beqDsX649w3UXG5B-XB3EA1DsfwFKz8hCv4vpDLCuIs/edit?usp=sharing Сборник промтов для социологов, рисерчеров:…»
Понимают ли большие нейронные языковые модели (LMs) смыслы? 👾
В мире, где ИИ всё больше проникает в нашу жизнь, особенно в сферу социальных исследований, возникает вопрос: способны ли большие нейронные языковые модели (LMs) понимать смыслы?
Что такое большие нейронные языковые модели (LMs)?
LMs - это алгоритмы машинного обучения, которые обучаются предсказывать следующий элемент последовательности, будь то символ, слово или предложение. Благодаря огромному количеству данных, на которых они обучаются, LMs демонстрируют впечатляющие результаты в различных задачах, включая перевод, создание текста и ответов на вопросы.
Но понимают ли они смыслы?
Чтобы ответить на этот вопрос, нужно определиться, что мы подразумеваем под "смыслом". Эмили М. Бендер и Александр Коллер предлагают рассматривать смысл как связь между языковой формой и коммуникативным намерением. Проще говоря, смысл - это то, что мы хотим выразить с помощью слов, а также то, что другой человек понимает из нашего высказывания.
Авторы статьи "Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data" аргументируют, что LMs, обучаясь только на языковой форме, не могут в принципе понимать смыслы. Они приводят следующие аргументы:
🖇 Отсутствие коммуникативного намерения: LMs обучаются на текстах, которые не связаны с конкретным контекстом или намерением говорящего. Они не знают, что хотел сказать автор текста, и не могут понять, что хочет выразить человек, используя эти слова.
🖇 Проблема основания: LMs не имеют доступа к реальному миру и не могут связать слова с конкретными объектами или явлениями. Например, LM может знать, что "собака" - это животное, но она не сможет узнать, что это за собака, если ей не показать фотографию.
🖇 Активное участие слушателя: Понимание смысла требует не только знания слов, но и активного участия слушателя. Слушатель должен учитывать контекст, тон голоса говорящего, его невербальные сигналы и многое другое. LMs не способны к такому активному участию.
Пример "Испытание осьминогом"
Чтобы иллюстрировать свою точку зрения, авторы представляют мысленный эксперимент с "осьминогом". Представьте, что два человека, говорящих на одном языке, оказались на отдельных островах и могут общаться только с помощью телеграфа. "Осьминог", который не может видеть эти острова и не знает их язык, подключается к телеграфу и начинает анализировать их переписку.
"Осьминог" может научиться предсказывать ответы одного человека на слова другого, но он не сможет понять смысл их общения. Если один из людей начнет говорить о чем-то конкретном, например, о строительстве ловушки для рыбы, "осьминог" не сможет понять инструкции и дать осмысленный ответ. Он может только повторять слова, которые он уже слышал в похожих контекстах.
Так что же мы можем сказать о LMs и понимании смыслов?
LMs способны выполнять многие задачи, которые требуют обработки языка, но они не понимают смыслы в том же смысле, что и люди. Они могут использовать слова в соответствии с установленными правилами, но они не могут понять их истинное значение и не могут связать их с реальным миром.
#теория_ИИ
В мире, где ИИ всё больше проникает в нашу жизнь, особенно в сферу социальных исследований, возникает вопрос: способны ли большие нейронные языковые модели (LMs) понимать смыслы?
Что такое большие нейронные языковые модели (LMs)?
LMs - это алгоритмы машинного обучения, которые обучаются предсказывать следующий элемент последовательности, будь то символ, слово или предложение. Благодаря огромному количеству данных, на которых они обучаются, LMs демонстрируют впечатляющие результаты в различных задачах, включая перевод, создание текста и ответов на вопросы.
Но понимают ли они смыслы?
Чтобы ответить на этот вопрос, нужно определиться, что мы подразумеваем под "смыслом". Эмили М. Бендер и Александр Коллер предлагают рассматривать смысл как связь между языковой формой и коммуникативным намерением. Проще говоря, смысл - это то, что мы хотим выразить с помощью слов, а также то, что другой человек понимает из нашего высказывания.
Авторы статьи "Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data" аргументируют, что LMs, обучаясь только на языковой форме, не могут в принципе понимать смыслы. Они приводят следующие аргументы:
Пример "Испытание осьминогом"
Чтобы иллюстрировать свою точку зрения, авторы представляют мысленный эксперимент с "осьминогом". Представьте, что два человека, говорящих на одном языке, оказались на отдельных островах и могут общаться только с помощью телеграфа. "Осьминог", который не может видеть эти острова и не знает их язык, подключается к телеграфу и начинает анализировать их переписку.
"Осьминог" может научиться предсказывать ответы одного человека на слова другого, но он не сможет понять смысл их общения. Если один из людей начнет говорить о чем-то конкретном, например, о строительстве ловушки для рыбы, "осьминог" не сможет понять инструкции и дать осмысленный ответ. Он может только повторять слова, которые он уже слышал в похожих контекстах.
Так что же мы можем сказать о LMs и понимании смыслов?
LMs способны выполнять многие задачи, которые требуют обработки языка, но они не понимают смыслы в том же смысле, что и люди. Они могут использовать слова в соответствии с установленными правилами, но они не могут понять их истинное значение и не могут связать их с реальным миром.
Bender, Emily M., и Alexander Koller. 2020. «Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data». Сс. 5185–98 в Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. Online: Association for Computational Linguistics.
#теория_ИИ
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10
Forwarded from HR2HR
Если хочешь ИИ, иди-и-и…
...в канал HR2HR, который покажет, как делать привычные рабочие задачи в разы быстрее 🤝 Главное, использовать подходящие Нейросети.
Список ИИ из поста:
hat GPT — @chatsgpts_bot
Notion.AI
Yandex.GPT
Gerwin AI
You.com
Retext AI
Slider AI
MagicSlides
Parsio
Audioread
Youtube с ChatGPT и Claude
На последней карточке мы рассказали про наш курс по ИИ для LMS- все подробности здесь💎
...в канал HR2HR, который покажет, как делать привычные рабочие задачи в разы быстрее 🤝 Главное, использовать подходящие Нейросети.
Список ИИ из поста:
hat GPT — @chatsgpts_bot
Notion.AI
Yandex.GPT
Gerwin AI
You.com
Retext AI
Slider AI
MagicSlides
Parsio
Audioread
Youtube с ChatGPT и Claude
На последней карточке мы рассказали про наш курс по ИИ для LMS- все подробности здесь
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍1